皮肤区域图像从3D全身照片中提取出来,用于病变检测
Anup Saha1, Joseph Adeola2, Nuria Ferrera3,4
1Computer Vision and Robotics Research Institute, University of Girona, Girona, Spain. anup.saha@udg.edu.
Scientific data
|August 18, 2025
概括
iToBoS数据集提供了皮肤区域的3D全身图像,捕捉了周围的皮肤环境,这对于改进基于人工智能的皮肤癌检测至关重要. 这一数据集有助于开发用于早期诊断的算法.
科学领域:
- 皮肤病学 皮肤病学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 人工智能 (AI) 显著提高了皮肤癌诊断的准确性和速度.
- 当前的人工智能诊断数据集往往缺乏周围的皮肤背景,限制了病变检测性能.
- 背景信息对于强大可靠的皮肤病变分析至关重要.
研究的目的:
- 介绍iToBoS数据集,这是人工智能驱动的皮肤癌检测的新型资源.
- 通过包括周围的皮肤环境来解决现有数据集的局限性.
- 促进先进皮肤癌诊断算法的开发和基准测试.
主要方法:
- 采集了100名参与者的16954张皮肤区域图像,使用3D全身摄影.
- 每张图片大约捕捉了7 × 9厘米的皮肤部分.
- 标注可疑病变与边界框,并包括元数据 (解剖位置,年龄组,阳光损伤得分).
主要成果:
- iToBoS数据集提供了皮肤区域的全面,上下文化图像.
- 包括每个图像的详细注释和相关元数据.
- 为培训和评估用于皮肤癌检测的AI算法提供了宝贵的资源.
结论:
- 该iToBoS数据集通过结合关键的周围皮肤环境来增强基于AI的皮肤癌诊断.
- 促进了更好的早期检测和在非临床环境中潜在的部署.
- 这是皮肤学AI研究和应用的重大进展.
更多相关视频
12:50Lesion Explorer: A Video-guided, Standardized Protocol for Accurate and Reliable MRI-derived Volumetrics in Alzheimer's Disease and Normal Elderly
Published on: April 14, 2014
40.3K
07:16Three-Dimensional Imaging of Tumor-Bearing Tissue Using the Iterative Bleaching Extends Multiplexity Approach
Published on: April 25, 2025
373
